منصوره میرزایی

مقدمه: تعیین اولویت های زنجیره تأمین در صنایع هوشمند با روش های تحلیل و مدل سازی داده گرا برای دست یافتن به دقت کافی و تشخیص عوامل کلیدی تأثیرگذار بر کارایی زنجیره تامین ضروری است؛ زیرا استفاده از این اطلاعات، اثربخشی مدیریت زنجیره تامین را بهبود می دهد. این مقاله به بررسی و ارائه یک رویکرد کمی برای ارزیابی اولویت های زنجیره تامین هوشمند با استفاده از روش های تحلیل داده گرا می پردازد. هدف اصلی این مقاله، ارائه یک روش سیستماتیک و کارا برای تعیین اولویت ها در زنجیره تامین است. در این رویکرد، ابتدا شاخص های کلیدی کارایی در زنجیره تامین شناسایی می شوند. سپس با استفاده از روش های تحلیل داده گرا مبتنی بر یادگیری ماشین، کارایی هر شاخص برای هر عنصر زنجیره تامین محاسبه می شود. رویکرد ارائه شده در این مقاله دارای مزایایی از جمله سیستماتیک بودن، قابلیت انعطاف پذیری، کاربردی بودن و دقت بالا است. روش پیشنهادی به شرکت ها و سازمان ها نیز کمک می کند تا با ارزیابی و تعیین اولویت های زنجیره تامین، بهبود عملکرد و بهینه سازی فرآیندها، تصمیم گیری های مدیریتی خود را بهبود بخشند. روش: ابعاد نوآوری این تحقیق شامل دو بعد اصلی است. بعد اول، تمرکز بر دو صنعت پرکابرد در شرایطی است که به تکنولوژی اینترنت اشیا مجهز شده اند. بعد دوم، ترکیب روش های سنتی تحلیل زنجیره تامین با الگوریتم های یادگیری ماشین است. در ابتدا شاخص های کلیدی کارایی در زنجیره تامین شناسایی شدند. این شاخص ها از طریق جستجوی جامع مقالات در پایگاه های علمی معتبر و با استفاده از کلمات کلیدی مرتبط با زنجیره تامین هوشمند استخراج و سپس، با استفاده از روش های تحلیل داده گرا کارایی هر شاخص برای هر عنصر زنجیره تامین محاسبه شد. در این پژوهش از ماتریس DEMATEL برای تحلیل روابط متقابل بین شاخص ها و از روش پیش بینی با ماشین های بردار پشتیبان (SVM) برای ارزیابی روابط بین معیارها استفاده شد. در نهایت، وزن نهایی هر شاخص با ترکیب نتایج DEMATEL و SVM تعیین و اولویت بندی شاخص ها در زنجیره تامین انجام شد. یافته ها: نتایج این مقاله نشان می دهد که انعطاف پذیری به دلیل توانایی زنجیره تامین در پاسخگویی به تغییرات و نوسانات تقاضا به عنوان مهم ترین معیار در زنجیره تامین مطرح است. نتایج روش پیشنهادی بر روی دو حوزه صنعتی مبتنی بر اینترنت اشیا نشان می دهد، مهم ترین معیار در زنجیره تامین متعلق به انعطاف پذیری است و کیفیت، هزینه و زمان تحویل به ترتیب در رتبه های بعدی قرار دارند. این اولویت بندی به مدیران کمک می کند تصمیمات آگاهانه تری برای بهینه سازی زنجیره تامین اتخاذ کنند. نتیجه گیری: استفاده از رویکردهای سیستماتیک و دقیق برای اولویت بندی معیارهای زنجیره تامین می تواند به عنوان یک راهنمایی کاربردی برای انتخاب و تعیین تأمین کنندگان، اجرای استراتژی های بهینه سازی زنجیره تامین و تخصیص منابع استفاده شود. این تحقیق نشان داد که ترکیب روش های سنتی تحلیل زنجیره تامین با الگوریتم های یادگیری ماشینی مانند SVM می تواند به بهبود دقت و کارایی در پیش بینی و تصمیم گیری ها کمک کند. با بهبود زنجیره تامین، سازمان ها قادر خواهند بود عملکرد خود را بهبود داده و فرآیندها را بهینه سازی کنند. همچنین، رویکردهایی مانند استراتژی Just-In-Time (JIT)، مدیریت کیفیت جامع و استفاده از فناوری های نوین نیز می توانند به بهبود زنجیره تامین کمک کنند. توسعه روابط با تأمین کنندگان و تحلیل داده ها و پیش بینی نیازها و مشکلات زنجیره تامین نیز از دیگر رویکردهای مفید است.